クイックスタートガイド

開始するには、いくつかのダミーの学習メトリクスを記録するシンプルな例を実行できます。

import trackio
import random
import time

runs = 3
epochs = 8


for run in range(runs):
    trackio.init(
        project="my-project",
        config={"epochs": epochs, "learning_rate": 0.001, "batch_size": 64}
    )

    for epoch in range(epochs):
        train_loss = random.uniform(0.2, 1.0)
        train_acc = random.uniform(0.6, 0.95)

        val_loss = train_loss - random.uniform(0.01, 0.1)
        val_acc = train_acc + random.uniform(0.01, 0.05)

        trackio.log({
            "epoch": epoch,
            "train_loss": train_loss,
            "train_accuracy": train_acc,
            "val_loss": val_loss,
            "val_accuracy": val_acc
        })

        time.sleep(0.2)

trackio.finish()

上記を実行すると、ダッシュボードを起動するための手順がターミナルに出力されます。

trackioの使い方は、ほとんどの場合wandbと同一に設計されているため、両方のライブラリを簡単に切り替えることができます。

import trackio as wandb

ダッシュボード

以下を実行してダッシュボードを起動できます:

シェル

Python

オプションのproject名を引数として指定することで、特定のプロジェクトを直接読み込むこともできます:

シェル

Python

Hugging Face Spacesへのデプロイ

trackio.init()を呼び出すと、デフォルトではサービスがローカルで実行され、プロジェクトデータはローカルマシンに保存されます。

ただし、init()にspace_idを渡す場合は、次のようになります:

trackio.init(project="my-project", space_id="orgname/space_id")

または

trackio.init(project="my-project", space_id="username/space_id")

必要に応じて、既存の Hugging Face Space を使用するか、新しい Hugging Face Space を自動的にデプロイします。ローカルでhuggingface-cliにログインしていること、および Space を作成するための書き込み権限を持つトークンを保持している必要があります。

代替案として、huggingface-cli を実行して、既存のローカルプロジェクトを Hugging Face Space に同期できます。

シェル

Python

Space がまだ存在しない場合は作成し、すべての実行と関連データを Space にアップロードします。sdk="static" を使用して軽量な静的な Space に同期したり、freeze を使用してライブの Space の読み取り専用スナップショットを作成したりすることもできます。フリーズされた Space は時点のスナップショットであり、再度フリーズしない限り、元の Gradio Space からの後続のメトリクスは反映されません。詳細については、ダッシュボードのデプロイと埋め込みページを参照してください。

Update on GitHub

Trackio

クイックスタートガイド

ダッシュボード

Hugging Face Spacesへのデプロイ